AI改变我们的编程方式
延续上一篇 关于AI的思考，作为程序员最关心的编程范式的变化，我打算看一下业界有哪些思考和趋势。 这篇文章主要是围绕Tesla前AI总监Andrej Karpathy关于软件3.0的观点展开的。 什么是软件3.0 Andrej Karpathy提出软件开发的演进过程可以被划分为三个主要阶段，即Software 1.0、Software 2.0和Software 3.0，它们代表了编程思想和实现方式...
Shadow Walker 松烟阁
Where other men are limited by morality or law, remember, everything is permitted. I walk in the darkness to serve the light.
评论
点赞
收藏大厂生存实录之为什么是我做
🍿文章想以《浪浪山小妖怪》里的几句台词作为开篇 熊教头：“小的们，你们看好了，这弓，要这么拉。你们还得多练呐，不然，怎么在浪浪山干活啊！”； 狼总管：“大王说，要突出一个‘陷’字。” 工作当中的烦恼真的让人无力和恼怒，在做的一个CVE相关的AI项目，在误报阶段已经有60-70%的CVE可以被AI处理，准确率也达到了90%，接下来阶段就是对非误报的CVE进行安全风险评估，包括安全技术分析、攻击向量...
让Agent系统更聪明之前，先让它能被信任
引子：一种“简单”的错觉 团队内部最近常出现一种论调： “现在做 Agent 很简单，用 LangChain、百炼、Flowise 搭一搭就能跑。” 这句话乍一听确实无法反驳 —— 框架确实降低了门槛。但那种“简单”，更像是复杂性暂时被平台吸收后的假象。从技术层面看，Agent 开发涉及： 编排与任务规划； Context 与 Memory 管理； 领域知识融合（RAG）； 以及业务逻辑的 age... 
Before Making AI Agent Systems Smarter, First Make Them Trustworthy
Introduction: An Illusion of "Simplicity" A narrative has recently become common within the team: "Building an Agent is simple now. You can just piece it together with LangChain, BaiLian, or Flowise, ... 
日本游记 —— 大阪京都
趁着暑假，跟家人一起去大阪和京都，有一些见闻和感受想记录一下 物 有这样一句话「你不买东西，去大阪干吗？」，大阪的心斋桥是一个购物的天堂，这里有性价比极高的药妆店，数码店，让我这种物欲很低的人都忍不住买买买。 不得不说心斋桥是一个可以放大人物欲的地方。 还有一个关于物的感受，除了经常听说的精致、匠心之外，我在大阪生活方方面面碰到的物品，无论是菜单、点餐机器、硬币机器、地铁JR闸机等等，都有很重的使... 
Cursor与Vibe Coding
Vibe Coding以及八卦 简单总结Vibe Coding：人利用AI生成代码完成大部分的软件开发任务。 我个人理解Vibe Coding的本质就是开发工作中的一种新的协作关系 —— 人专注于差异性工作，把能交给大模型做的工作尽量交给它去完成，充分发挥AI的可塑性、高效性等。 随着大模型底层基础能力的飞速迭代（例如Qwen3-Coder），AI的能力范畴正在变得越来越大，Vibe Coding... 
从KV Cache到Prompt Cache的应用
引子 从工程师的视角来观察，随着Scaling Law失效问题被更多的人提起，我越来越认同LLM正在逐渐进入「精打细算，收割果实的平庸时代」。Andrew Ng在他的感恩节给读者的来信中提到，AI可能存在泡沫但是一定不是在AI应用开发： AI 应用层： 投资不足。其潜力远超大多数人的认知。 AI 推理基础设施： 仍需大量投资。 AI 模型训练基础设施： 我对这一领域仍持谨慎乐观态度，但可能存在泡沫... 
大厂生存实录：从老板的“屎”论，谈谈如何去除内容的“AI味”
背景 最近职场槽点真的有点多，这周开会的时候大老板在质疑AI投入的必要性问题，其中有一句我个人觉得可以列入年度金句了：“没有用AI之前，xxx问题有什么影响？我看大家都觉得没什么问题都能扛得住，我承认它是「屎」，但是不是大家也能忍着，也没出什么事......” 说这句话是基于大老板对于当前AI的认识： 直接让大模型分析一些业务问题，它给出的回答看上去像模像样，将来80%的Agent会被大模型内化掉...
我的笔触在高维空间独一无二
最近在复盘松烟阁管理的时候，我用朱雀检测测试了一下最近的两篇博文，结果还挺精确： 朱雀AI生成检测报告单_1757410963161朱雀AI生成检测报告单_1757410963161.pdf8 MB 朱雀AI生成检测报告单_1757411751223朱雀AI生成检测报告单_1757411751223.pdf5 MB 两篇文档都是出自我手，我非常清楚其中的细节以及写作的过程，第一篇是我纯手写，第二篇... 
LangGraph 机制深度解析与Agent模式设计
引子 我在开发一个CVE相关的Agent的时候，碰到一个很有意思的Agent编排问题，Agent采用LangGraph框架开发的，具体Agent结构如下所示： Agent运行的结果不稳定，一开始我以为是Agent常见的幻觉问题，但是基于Graph编排就是为了避免幻觉问题，这很奇怪。在排查tracing和调用日志之后，我发现了一个很奇怪的现象： _generate_cvss_vector 执行了两次... 
The Physics of Inference – A Deep Dive into KV and Prompt Caching
Introduction Viewed through an engineering lens, as the "Scaling Laws" face increasing scrutiny, I find myself agreeing with the growing consensus: Large Language Models (LLMs) are entering a "middle ... 
LangGraph 机制与 Agent 设计模式深度剖析
作者在开发 CVE 评估 Agent 时遇到一个看似简单的编排问题，由此展开对 LangGraph 内部机制和 Agent 设计模式的讲解。 文章用一个 CVE 风险评估 Agent 作为贯穿案例，展示 LangGraph 中节点（如获取 CVE 数据、归一化 CVSS 向量、计算评分）如何组织成有向图，并记录各节点执行时的日志顺序。 作者借此解释 LangGraph 在状态管理、节点调度、工具调用等环节的实际行为，帮助读者理解多步 Agent 工作流中的设计取舍与潜在陷阱。 
我为 Memos 做了一个图片渲染服务
趁着春节休假我给自己的 memos 系统补了一块一直想做的能力：把一条 memo 分享成一张可传播的卡片图。这件事看起来像是“截图”，但真正做起来我才发现，它本质上不是一个图片处理问题，而是一个系统设计问题。 我做下来的体会可以总结成一句话：不是在后端“画”一张图，而是在后端养了一台可控的浏览器，让它在正确的时机按下快门。 为什么要单独做一个渲染服务 从实现需求的角度，最直接的方案当然是把图片生成... 
终端属于 Agent，但人类需要“仪表盘”
事情的起因是 Dotey 在 X 上分享的那个 Obsidian CLI 项目。 看着那个在黑色背景中跳动的纯文本光标，一种久违的极客审美油然而生。这不仅是一个工具的发布，更像是一个信号： “Headless（无头化）”正在成为 Agent 时代的默认配置。 这种趋势让一直困扰我的那个选择题变得更加尖锐： 在 AI 辅助编程的未来，我们到底该走向 Claude Code 这种纯命令行的极致效率，还...
拆解 kimi-cli：Coding Agent 的能力上限，为什么在"模型之外"？
很多 coding agent 的讨论都是关于“它会不会按要求生成代码”，当模型写代码的能力趋于同质化时，coding agent 的上限往往不由大模型的生成能力单方面决定，而是由系统的过程控制、边界划分与协作协议决定的。模型会写代码当然重要，但当任务变成多步骤、要调用工具、可能碰到风险操作、还得把过程讲清楚给人看时，差距就不再只是模型能力的差距，而是系统设计的差距。 过程重于生成 最近我在拆 k... 
为什么偏偏是"左耳进，右耳出"
这期文章我打算写一个前两天跟自己做的智力小游戏 —— 顺口溜里“左耳进右耳出”，为什么偏偏是“左进右出”，而不是“右进左出”？ 以往我不大会做这种看似无聊的事情，不过有了ChatGPT以后时不时的会变成好奇宝宝～ 以下是ChatGPT给的答案： 我们形容一个人听不进劝，总会顺口说一句：“左耳进，右耳出。”这句话说起来无比顺滑，就像风穿过空荡的堂屋。 但你有没有想过，为什么偏偏是“左进右出”，而不是...
AI 尚未重建组织。是焦虑先重建了管理
<blockquote>隧道视野是指当注意力、判断力，甚至感知本身都被压缩到过于狭窄的范围时所发生的现象。眼前的事物愈发醒目，而周围的信号——有时甚至是更为重要的信号——却逐渐淡化。</blockquote><p>受OpenClaw的影响，我的团队在去年三月经历了一段异常紧张的时期。我们每两周就要发布一个Agentic OS——一款面向智能体的Linux操作系统——而且节奏几乎立刻就加快了：每两周一次发布、每日同步、每周设定里程碑。</p><p>管理层传达的信息很简单：快点行动。让AI负责快速的部分。如果等到所有问题都彻底想清楚再行动，时机就会错过，别人早已抢先推出产品。<br><br>这一波浪潮必须抓住，等等。</p><p>令人感到奇怪的是，最值得深入思考的部分反而成了很少有人愿意讨论的话题。我们究竟是在加速解决问题，还是仅仅在加速产出“问题已解决”的证据？</p><h2>视野变窄并不意味着判断更敏锐</h2><p>隧道视野最危险之处不在于让人变得盲目，而在于留在视野中的事物会显得仿佛就是正确的答案。</p><p>在速度、压力、恐惧、疲惫等多重因素下，个人的注意力会被收束成一点。组织也会出现类似的情况。当外部标杆愈发耀眼时，内部团队更容易将注意力集中在那些最显眼的信号上：速度、发布、公关、曝光度，以及抢占市场先机的紧迫感。</p><p>于是，复杂的问题被简化为一些易于操作的举措：缩短周期、增加同步频率、提前汇报、强化里程碑管理。</p><p>这些举措本身并无不合理之处，但叠加在一起时，它们的性质便悄然改变。它们开始承担起原本不属于自己的功能：用更高频…</p>
当Agent帮你跑任务的时候，你在做什么？
最近我观察到一个现象，经过一段跟Agent讨论确定好方案设计、开发测试计划之后，Agent会像一个勤勤恳恳的好伙伴帮我去自动化地完成所有的任务，除了有些细节不清楚需要“问”我之外，一般就是macOS锁屏了、AI额度达到限制了才需要我关注处理。 然而，最近我意识到一件诡异的事情，Agent在跑任务的过程中，我自己有相当一部分时间会盯着Agent的thinking、输出的文档、code diff等等，...